由于城市人口稠密，重要设施众多，一旦发生破坏性地震，将造成灾难性后果。因此，各国当局和科学家都在努力加强对城市地区地震活动的监测。但同样由于人口密集、设施众多，城市地区的地震活动监测也受到人类活动产生的噪声的影响。这些噪音包括交通引起的地面震动、地标上的风震动以及其他震动事件。科学家们试图改变传统的单站监测模式，建立密集的阵列，试图削弱这些噪声的影响，探测低烈度的地震活动。2011年到2012年，人们在洛杉矶都会区（探测单元之间的距离约为100米）建立了这样一个阵列，但效果并不理想。直到最近，研究人员才开发出一套基于深度学习的人工智能(AI)算法。他们从犹他大学地震台网中提取高信噪比的地震事件信号和洛杉矶台阵记录的局部噪声信号，将两者混合生成不同信噪比的数据集，分别用于用于训练人工智能。然后，他们使用来自洛杉矶阵列但未用于训练的信号以及来自拉哈布拉区域地震网络的信号测试了经过训练的人工智能。结果表明，这套名为UrbanDenoiser的人工智能可以同时处理阵列的信号和区域网络站的信号。通过它的降噪处理，人们可以发现一些过去没有发现的地震事件，从而提高对当地地震活动的认识。这将给城市尤其是洛杉矶、东京等人口密集的大都市的地震活动监测带来很大的帮助。研究人员说，虽然该系统是为地震活动开发的，但经过适当的训练，它也可以适用于其他震动事件。当然，此时应该把地震信号当作噪声来对待。
